联系我们

课程大纲

主权AI基础

  • 主权AI在受监管组织中的意义
  • 业务、法律和运营驱动因素
  • 核心控制领域:数据、模型、基础设施和运营

法规要求和风险映射

  • 数据驻留、隐私和特定行业的义务
  • 将敏感数据映射到AI用例
  • 识别跨境、日志记录和第三方暴露风险

数据、提示和日志的治理

  • 提示治理和可接受的使用边界
  • 提示、响应和元数据的日志记录策略
  • 保留、编辑、屏蔽和访问控制实践
  • 练习:审查AI数据流以发现治理漏洞

模型托管和推理环境选项

  • 公共API、私有云、本地和混合部署选择
  • 决定模型运行位置的因素
  • 控制、安全、成本和运营所有权之间的权衡

供应商依赖性和可移植性

  • 模型、工具和平台中的常见锁定模式
  • 通过模块化架构、开放接口和明确合同实现可移植性
  • 练习:根据主权标准评估供应商

治理模型和行动计划

  • IT、安全、法律和合规部门的角色和职责
  • 用例、模型和运营变更的审批流程
  • 可审计性、监控和事件响应期望
  • 制定实用的主权AI路线图和下一步计划

要求

  • 对AI概念、数据治理和合规要求有基本了解
  • 熟悉企业技术、云、安全或风险决策
  • 无需编程经验

受众

  • IT领导者、企业架构师和平台经理
  • 风险、合规、法律和数据治理专业人员
  • 负责在受监管环境中采用AI的安全团队和业务领导者
 7 小时

即将举行的公开课程

课程分类